Lucene 基础.ppt

文档介绍：全文搜索引擎(Google)全文检索、检索功能强、信息更新速度快,信息多而全目录索引搜索引擎(yahoo)层次清晰、主题明确元搜索引擎关键:搜索结果排列组合 分布式搜索引擎 可扩充,各服务器数据库协同工作实现困难信息收集和存储技术人工和自动两种方式信息预处理技术关键词、消除重复、URL分析、网页重要程度信息索引技术分词、语法分析、自然语言处理、索引、数据库文件搜索器索引器索引文件用户输入检索器用户接口预处理器(分析器)用户检索接口(jsp)索引器爬虫网页处理结果集合index原始网页库MyeclipseTomcatHeritrixLucene中文分词工具(JE)Html解析库Java索引器检索器语料库分析查询索引存储(内存、文件系统)用户Lucene采用倒排索引方式wordDoc1Doc2Doc4Doc3……wordDoc1Doc2Doc4Doc3……wordDoc1Doc2Doc4Doc3……wordDoc1Doc2Doc4Doc3………………doc单一索引单一索引单一索引单一索引段索引段索引索引docdocdoc………………合并Lucene与数据库Lucene数据库document元组field属性term元组的一个属性值学生姓名性别班级籍贯专业张三男计算机5班中国计算机理解: